자율주행자동차의 동적 장애물 회피
저자
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
KDC
004
등재정보
3903
자료형태
학술저널
수록면
242-245(4쪽)
제공처
자율주행자동차가 보급됨에 따라 장애물 회피는 더욱 더 중요해지고 있다. 많은 데이터가 주어지지 않은 상황에서는 모델을 심층 강화학습으로 대게 학습하는데, 이러한 연구들은 정적인 장애물 환경에서만 이루어졌다는 단점이 존재한다. 따라서, 본 연구는 이를 보완하고자 자율주행자동차의 장애물 회피를 동적 장애물 회피 환경에서 적용한다. 먼저, LiDAR 센서의 성능을 확인하고자 AWS Deepracer에서 다양한 모델을 생성하여서 성능을 비교 분석하였다. 결과적으로 LiDAR 센서의 성능이 뛰어나다는 것을 알 수는 있었으나, 트랙 주행율이 높지 않았다는 한계점이 존재했기에, 이를 보완하기 위해 보상함수를 수정하고 추가로 분석을 진행하는 등 연구를 심층적으로 진행하였다. AWS Deepracer에서는 동적 장애물을 지원하지 않기 때문에 Unity와 Unity ML-Agents 패키지를 이용하였다. 시뮬레이션 환경을 구현한 다음, 자동차가 트랙을 잘 주행하는지 확인하기 위한 훈련을 진행하였다. 이를 확인한 다음에는 장애물을 회피하는 코드가 정상적으로 작동이 되는 것을 확인하기 위한 훈련도 진행하였다. 마지막으로, 장애물들을 무작위적으로 움직이게 설정한 다음에 훈련을 진행하여서 동적 장애물 환경에서도 자율주행자동차가 잘 회피를 할 수 있다는 것을 알 수 있었다.
더보기As autonomous cars are becoming popular, obstacle avoidance are becoming more important. In circumstances where data is not sufficiently provided, deep reinforcement learning is widely used. However, related studies only consider static obstacles which are not that useful in real situations. In this study, we apply obstacle avoidance of autonomous cars into dynamic obstacles. First of all, we used AWS Deepracer in order to check the performance of LiDAR sensors. We did showed that LiDAR sensor model are better than the other models, but the track completion was too low. Resultantly, we conducted additional experiences to improve the model and verified in-depth that LiDAR sensor showed a good performance. Since AWS Deepracer doesn’t provides a dynamic obstacle environment, we used Unity and Unity ML-Agents Package to simulate the environment. After we made the environment, we conducted experiments to check whether the car actually drives the track well. Then, we conducted experiments to check whether the code for obstacle avoidance worked well. Lastly, we made the obstacles move and conducted experiments which showed us that the cars avoided the dynamic obstacles well enough.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)